K近邻算法具有以下优点:简单易懂、易于实现、分类时计算量较小、可以发现非线性关系、对数据分布、特征选择没有特定要求。但也存在一些缺点:对数据集的代表性要求高、计算量随样本数量的增加而增加、对异常值和噪声比较敏感、对高维数据的效果不理想等。反馈 收藏 ...